Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: Künstliche Intelligenz zum automatisierten Monitoring von Insekten Biodiversität

Description: Insekten und Grasländer sind wegen ihrer großen Vielfalt, ihrer Empfindlichkeit gegenüber Umwelteinflüssen und ihrer Bedeutung für zahlreiche Ökosystemfunktionen intensiv untersuchte ökologische Modelle. In den Biodiversitätsexploratorien und andernorts wurde ein erheblicher Rückgang der Insektenabundanz und -vielfalt dokumentiert und die Intensivierung der Landnutzung wurde als eine der wichtigsten Ursachen für den weltweiten Artenverlust ermittelt. Die Intensivierung der Grünlandbewirtschaftung führt nachweislich zu einer Verringerung der Abundanz und Vielfalt von Arthropoden, aber die Auswirkungen variieren je nach Landnutzungskomponente und untersuchter Arthropodengruppe. Ein mechanistisches Verständnis dieser Variabilität wird durch die fehlende räumliche und zeitliche Auflösung des Insektenmonitorings behindert, die aufgrund der Arbeitsintensität etablierter Monitoring-Methoden und durch die beschränkte Ressourcenverfügbarkeit bedingt ist. Daher sind neue Methoden für das Insektenmonitoring erforderlich, um die erforderlichen hochauflösenden Daten zu generieren und unser Verständnis der Auswirkungen der Landnutzung auf Insektengemeinschaften zu verbessern. Digitales Monitoring auf der Grundlage von Fotos und KI-gestützter Bilderkennung sind vielversprechende Techniken, die dies ermöglichen. Das vorliegende Projekt zielt darauf ab, fliegende Insekten in den Grünlandflächen der Biodiversitätsexploratorien mit sehr hoher zeitlicher Auflösung zu dokumentieren. Wir werden verfügbare RGB-Kamera-Fallensysteme verwenden und Deep-Learning-Algorithmen entwickeln, um die Abundanz der Insekten, die Diversität von Morphogruppen und die Verteilung der Körpergrößen zu quantifizieren. Wir werden auf den vorhandenen Insektendaten aus den Biodiversitätsexploratorien aufbauen, um Trainingsdaten zu erhalten und die Leistung der KI-Bilderkennung zu überprüfen. Durch den Einsatz eines eingebetteten Sensorsystems mit mobiler Konnektivität zum Monitoren von Insekten wollen wir kontinuierliche in-situ-Messungen in den Grünlandflächen der drei Regionen der Biodiversitätsexploratorien vor, während und nach verschiedenen Landmanagementaktivitäten durchführen. Aufgrund der hohen zeitlichen Auflösung unserer Daten können wir untersuchen, wie sich Landnutzungsaktivitäten auf die Dynamik und Stabilität der Insektengemeinschaften auswirken, indem wir den Referenzzustand, Störungseffekte und Erholungsphasen direkt quantifizieren. Wir werden zwischen demografischen Prozessen und (Wieder-)Besiedlungsprozessen als Reaktion auf Störungen durch die Landnutzung unterscheiden und dabei ausnutzen, dass demografische und verhaltensbasierten Prozesse auf unterschiedlichen Zeitskalen ablaufen; z. B. ist die Wiederbesiedlung viel schneller als die Reproduktion. Durch die hier vorgeschlagene Forschung wird dieses Projekt die verfügbare Technologie für das Insektenmonitoring und das mechanistische Verständnis der Auswirkungen der Landnutzung auf Insektengemeinschaften vorantreiben.

SupportProgram

Tags: Insekt ? Arthropoden ? Artenverlust ? Sensor ? Insektenmonitoring ? Grünland ? Wiederansiedlung ? Grünlandwirtschaft ? Insektenvielfalt ? In-Situ-Messung ? Flächennutzung ? Künstliche Intelligenz ? Populationsdichte ? Technik ? Landnutzungsdaten ? Ökologischer Faktor ? Ressourcenverfügbarkeit ? Ökosystemfunktion ? Biodiversity of Animals ? Biodiversity of Ecosystems ? Biodiversität der Tiere ? Biodiversität der Ökosystem ? Ecology and Biodiversity ? Ecology of Animals ? Ecology of Land Use ? Organismic Interactions ? Organismische Interaktionen ? Ökologie der Landnutzung ? Ökologie der Tiere ? Ökologie der Ökosystem ?

Region: Bayern Bayern

Bounding boxes: 8.976365399999999° .. 13.8396495° x 47.2701114° .. 50.5647142° 8.975925858835046° .. 13.839584445425059° x 47.27012360469913° .. 50.56422474230778°

License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0

Language: Deutsch

Organisations

• Technische Universität München (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)

Last harvest: 31.07.2026 00:38

Time ranges: 2023-01-01 - 2026-08-10

Alternatives

• Language: Englisch/English
  Title: Sub project: Artificial Intelligence for an automated Insect Biodiversity Monitoring
  Description: Insects and grasslands are intensively studied ecological models because of their high diversity, sensitivity to environmental forcing, and importance for multiple ecosystem functions and services. Substantial decreases in insect abundances and diversity have been documented in the Biodiversity Exploratories and elsewhere, and land-use intensification has been identified as one of the most important drivers of global species loss. Intensification of grassland management has been documented to reduce the abundance and diversity of arthropods, but effects vary depending on the land-use component and group of arthropods studies. A mechanistic understanding of this variability is hindered by the coarse spatial and temporal resolution of insect monitoring imposed by resource constraints because of the labor intensity of established monitoring methods. Consequently, new methods for insect monitoring are needed to enable the required high-resolution data and to further our understanding of land-use effects on insect communities. Digital monitoring systems based on photographs and AI-enabled image recognition are promising techniques to enable these. The current project aims to monitor flying insects in the grassland plots of the Biodiversity Exploratories at very high temporal resolution. We will use available RGB-camera trap systems and develop deep learning algorithms to quantify insect abundance, morpho-group diversity, and body size distributions. We will be building on the wealth of existing data on insects from the Biodiversity Exploratories for training data and to benchmark the performance of the AI image recognition. Deploying an embedded sensor system with mobile connectivity to monitor insects, we aim to conduct continuous in-situ measurements in the grassland plots of the three regions of the Biodiversity Exploratories before, during, and after different land-management activities. Because of the high temporal resolution of our data, we can investigate how land-use activities affect the dynamics and stability of the insect communities by quantifying the reference state, disturbance effects, and recovery phases directly. We will differentiate between demographic and (re)colonization processes in response to disturbances by land-use, exploiting that demographic and behavioral processes operate at different time scales, for example recolonization being much faster than reproduction, Thereby, this project will advance the technology available for insect monitoring and the mechanistic understanding of the effects of land use on insect communities.
  URL: https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1140667

Resources

• Webseite zum Förderprojekt

  https://gepris.dfg.de/gepris/projekt/512413715 (Webseite) ✓

Status

Aktiv

Quality score

• Overall: 0.46
• Findability: 0.43

  • Title: 0.80
  • Description: 0.04
  • Identifier: false
  • Keywords: 0.60
  • Spatial: BoundingBox (0.50)
  • Temporal: DomainOnly
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.75

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true
  • Currentness: LastWeek (1.00)

Accessed 1 times.